一种COVID-19病例个体时空轨迹交互式提取与质量评估方法
针对当前新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病例个体时空轨迹描述文本高度非结构化的特点,提出了一种基于自然语言处理(natural language processing, NLP)辅助的交互式轨迹提取方法,用于提高轨迹提取的效率和质量.设计了交互式轨迹提取和质量评估流程,研究并实现了地址分割与组合算法、轨迹质量评估算法等关键技术.以黑龙江本土COVID-19聚集病例为例,通过轨迹提取效率和质量对比实验,验证了该方法的有效性和实用性.实验结果表明,与无NLP辅助的提取方法相比,该方法的轨迹提取效率得到了显著提升;同时,依据轨迹定量可信度评价结果,人机交互式的提取方法还可有效解决算法轨迹自动提取中存在的轨迹点遗漏、位置错误等问题.
COVID-19、时空轨迹、轨迹提取、自然语言处理、轨迹质量评估
46
P208(一般性问题)
中国科学院战略性先导科技专项;嘉善县科技计划项目;浙江中科院应用技术研究院项目
2021-03-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
177-183